专业知识库与评测机构：Artificial Analysis
专业知识库与评测机构 · Artificial Analysis。模型性能、价格与速度评测。本来源共收录 12 条已通过本类收录机制的资料，均可直接跳转到原始来源。
本类权威分层：A2–B。收录机制：核心资料全收；按各二级来源自身的数据库、方法、版本与榜单结构收录，不设跨机构统一评分机制。
Artificial Analysis Models Comparison
集中比较模型的综合能力、专项评测、价格、输出速度、延迟与开放程度。
证据用途：支持指定日期和指数版本下的跨模型实测比较。
使用边界：综合指数会更换组成与权重；价格和服务性能持续变化
关联概念：model-evaluation · inference-optimization
链接复核时间：2026-09-24
Artificial Analysis Intelligence Benchmarking Methodology
披露 Intelligence Index 的评测组成、权重、任务、评分、重复次数和版本历史。
证据用途：支持解释 Artificial Analysis 能力分数的构成和版本边界。
使用边界：主要是英文文本评测；部分任务与裁判使用私有或模型化组件
关联概念：model-evaluation
链接复核时间：2026-09-24
Artificial Analysis API Performance Benchmarking Methodology
说明不同输入长度、并发条件下的输出速度、首 token 延迟和持续测量方法。
证据用途：支持 API 推理速度、延迟与测量条件的解释。
使用边界：网络位置会影响延迟；端点配置和量化可能改变结果
关联概念：inference-optimization · model-evaluation
链接复核时间：2026-09-24
Coding Agent Leaderboard
比较代码智能体在真实软件工程基准上的解决率、成本和运行表现。
证据用途：支持绑定脚手架和评测版本的代码智能体比较。
使用边界：结果会随模型、端点、价格和方法版本变化；综合指数与不同模态的 Elo 不可直接互换
关联概念：agent · model-evaluation
链接复核时间：2026-09-24
Coding Agent Benchmarking Methodology
披露代码智能体任务、运行环境、重复测量和成本统计规则。
证据用途：支持解释代码智能体榜的可比性和边界。
使用边界：结果会随模型、端点、价格和方法版本变化；综合指数与不同模态的 Elo 不可直接互换
关联概念：agent · model-evaluation
链接复核时间：2026-09-24
AgentPerf
从任务质量、速度和成本衡量智能体系统的端到端表现。
证据用途：支持多维比较智能体部署效果。
使用边界：结果会随模型、端点、价格和方法版本变化；综合指数与不同模态的 Elo 不可直接互换
关联概念：agent · model-evaluation
链接复核时间：2026-09-24
Artificial Analysis Search Index
固定答案模型和智能体循环，仅替换搜索服务以测量搜索 API 带来的质量提升。
证据用途：支持搜索服务在受控智能体设置下的比较。
使用边界：结果会随模型、端点、价格和方法版本变化；综合指数与不同模态的 Elo 不可直接互换
关联概念：agent · model-evaluation
链接复核时间：2026-09-24
Endpoint Accuracy Index
比较同一模型在不同托管端点上的输出准确性与实现偏差。
证据用途：支持识别端点优化对模型质量的影响。
使用边界：结果会随模型、端点、价格和方法版本变化；综合指数与不同模态的 Elo 不可直接互换
关联概念：inference-optimization · model-evaluation
链接复核时间：2026-09-24
Artificial Analysis Capability Indexes
定义编程、数学、科学等专项能力指数的构成与聚合。
证据用途：支持正确解释专项能力分数。
使用边界：结果会随模型、端点、价格和方法版本变化；综合指数与不同模态的 Elo 不可直接互换
关联概念：model-evaluation
链接复核时间：2026-09-24
Speech-to-Speech Benchmarking Methodology
比较实时语音模型的质量、延迟、价格与交互能力。
证据用途：支持语音对话模型和端点的多维比较。
使用边界：结果会随模型、端点、价格和方法版本变化；综合指数与不同模态的 Elo 不可直接互换
关联概念：model-evaluation
链接复核时间：2026-09-24
Image Generation Benchmarking Methodology
说明图像模型质量 Elo、生成速度、价格和统一设置。
证据用途：支持图像生成模型与服务的可比评测。
使用边界：结果会随模型、端点、价格和方法版本变化；综合指数与不同模态的 Elo 不可直接互换
关联概念：model-evaluation
链接复核时间：2026-09-24
Video Generation Benchmarking Methodology
覆盖文生视频、图生视频、编辑和含音频生成的质量、速度与价格测量。
证据用途：支持视频模型跨模态和端点的规范比较。
使用边界：结果会随模型、端点、价格和方法版本变化；综合指数与不同模态的 Elo 不可直接互换
关联概念：model-evaluation
链接复核时间：2026-09-24